生信（一）对BED文件进行排序

最新推荐文章于 2023-08-17 16:59:29 发布
最新推荐文章于 2023-08-17 16:59:29 发布
阅读量5.7k 收藏 11
点赞数 2
分类专栏： # 生信工具 文章标签： bed sort cmp key alpha-numeric
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/biocity/article/details/83274985
版权
本文介绍了如何使用GNU sort命令和Python对BED文件进行排序，特别是针对染色体编号和数字列的排序规则。通过示例解释了sort的-n和-V选项在处理数字和染色体编号时的作用，以及Python中sorted函数的应用。
摘要由CSDN通过智能技术生成

原创：hxj7

关键词：bed; sort; cmp; key; alpha-numeric

问题
在处理NGS数据时，经常要对BED文件进行排序。比如BED文件长这样，分隔符是’\t’：
在这里插入图片描述
我们想按照如下规则进行排序：

  1. 第一列按照染色体编号进行排序，排序后应该是chr1, chr2, chr4, chr5, chr10, chr20, chrX。
  2. 第二列和第三列按照数字序进行排序。

第一个子问题
首先，我们先来看看如何对第二列进行排序。
刚接触GNU sort命令的同学可能都写出过类似下面的命令：

在这里插入图片描述
并且期待结果会是
在这里插入图片描述
但是实际上的结果是
在这里插入图片描述
为什么？这是因为sort默认按照字典排序规则对字符串进行排序。比如，字符串”10”的第一个字母是”1”

最低0.47元/天 解锁文章
生信了（公众号同名）
关注
专栏目录
关于bedtools merge 功能中sort 命令的解释
diedie4488的博客
06-08 1720
　　Bedtools 是一个很好的用来处理区间的工具，很多时候用这个底层语言编写的小工具比自己写的脚本运行快很多，但是这个工具中的某些功能对输入文件有一定的要求，比如说里面的一个merge函数，这是里面的一个note： Note： bedtools merge requires that you presort your data by chromosome and then b...
对ChIP测序后bed文件的预处理
03-14
基因测序后bed文件的预处理，提出起始位点，在cmd中运行perl run.pl 文件名.bed即可（必须在run.pl所在的目录下比如在D盘，那再cmd中就是D：perl run.pl 文件名.bed）
BED文件如何排序，sort按列排序
GeekFocus
05-21 5229
1，第一列按照染色体编号进行排序，排序后应该是chr1, chr2, chr4, chr5, chr10, chr20, chrX. 使用-V 2， 第二列和第三列按照数字序进行排序。使用-n sort -k1,1V -k2,2n -k3,3n target_interval.bed > sort.bed 其中-k选项是指定第几列。 ...
bed和gff文件按染色体号排序
little^raccoon
11-12 1691
注释文件通常按照染色体序号升序排列，而有时需要我们对获取的注释文件进行排序。对于chr01这种直接sort就可以，但是对于chr1, chr2… chr11这种，直接sort的结果是chr11排在chr2前面。解决这种情况的方法很简单，提取染色体中的数字，然后使用sort的-n参数就可以。而写成脚本复用起来也比较方便。 有些物种染色体命名可能特殊，所以line 24的正则匹配要针对不同情况修改。现在的脚本匹配染色体命名为Chr chr CHR。 #!/usr/bin/perl # 2020-11-12 .
BED文件与bedtools简介
m0_70166478的博客
10-15 3062
python与生信
如何获得hg38外显子的bed文件？
weixin_40594350的博客
04-18 4050
一、bed文件介绍 bed文件是一种记录基因组不同（功能）区域在基因组上的位置以及其它注释信息的文本文件。它包含了由空格或者tab分隔的不同列，以记录不同的信息，每一行对应一个区域。它最早出现于人类基因组计划中，后被广泛应用。因为它不直接在基因组上进行标记和修改，在使用上更具效率。 bed文件最开始并没有一个标准的格式，因此 UCSC Genome Browser 对它的描述逐渐成为了大家的参考标准。它最少为3列，最多可为12列。bed文件辅助 UCSC Genome Browser 对不同片段进行可视
.md是什么文件_生信中常见的数据文件格式
weixin_39874269的博客
10-28 1267
TCGA|GEO|文献阅读|数据库|理论知识R语言|Bioconductor| 服务器与Linux前面我们介绍了各种测序技术的原理：illumina、Sanger、第三代和第四代测序技术原理，我们测序得到的是带有质量值的碱基序列fastq格式，参考基因组是fasta格式。⽤⽐对⼯具把fastq格式的序列回帖到对应的fasta格式的参考基因组序列，就可以产⽣sam格式...
linux合并fa文件_与你分享生信好用的单行命令
weixin_28949049的博客
12-28 568
刘小泽记录于 2019.5.10将Turner写的一些好用的单行命令与大家分享，原文还有许多可以去看https://github.com/stephenturner/onelinersAbout Fastq/fastafastq sequences length distribution => 得到fq文件中序列长度的分布$ zcat file.fastq.gz | awk 'NR%4 ==...
BGI-College生信入门系列——2、什么是数据？
bgicollege的博客
11-29 958
从直觉上看，数据貌似很好理解，但真正要说清楚数据这个词却有点困难。 想一想，数据到底是什么呢？ 数据的定义实际上包含两方面内容，即信息的符号和设计。 其中信息的设计，也就是数据的格式，决定了读者从中获取有效信息的难易程度。 人们经常忽略的一个事实——数据的格式和数据本身同等重要。 生物信息学中的数据 传统的生物学家可能会认为，生物信息学是一种将数据转换成结果的软件。 实则不然，生物信息学只是将一种格式的数据，转换成另一种格式的数据。 这种格式转换往往带来信息的综合和优化。 数据格式 生物信息学中几种常见的数
BED文件格式
weixin_30795127的博客
08-30 166
BED文件格式 BED文件格式是一个可变方式的数据线，用来描述注释的数据。BED线有3个要求的字段和9个额外的字段。每条线的字段数目必须是任意单条数据的在注释上一致。可选字段的序试结合低数字的字段必须流行如果高位字段被使用。 首先是三个要求的BED字段 chrom,染色体或scafflold的名字(eg chr3，chrY, chr2_random, scaf...
BED 文件格式
xcaryyz的博客
02-05 2407
原文：http://blog.csdn.net/biubiuv/article/details/40348135 BED 文件格式  BED 文件格式提供了一种灵活的方式来定义的数据行，以用来描述注释信息，用于展示序列注释信息。  BED行有3个必须的列和9个额外可选的列。 以tab隔开。每行的数据格式要求一致。 必须包含的3列：    1.  c
全外显子组测序的bed文件如何制作
最新发布
weixin_69556916的博客
08-17 639
后面是对最终的结果进行排序，先按照第一列进行排序（-k1,1）再按照第二列以数值的方式进行排序（-k2,2n）。最后，再用bedtools把可能有重叠的部分整合之后，就能得到我们想要的结果。然后用gtf文件处理。
bdg2bw(macs2的peak要修正坐标）
qq_39306047的博客
02-24 2849
bdg2bw(macs2的peak要修正坐标） Run MACS2 combining replicates. You don’t need to use “samtools merge”, just $ macs2 callpeak -t H3K36me1_EE_rep1.bam H3K36me1_EE_rep2.bam -c Input_EE_rep1.bam Input_EE_rep2.bam -B --nomodel --extsize 147 --SPMR -g ce -n H3K36me1_EE
高通量测序分析工具Bedtools使用介绍
悟道西方
04-03 1万+
http://blog.genesino.com/2018/04/bedtools/ Bedtools是处理基因组信息分析的强大工具集合，其主要功能如下： bedtools: flexible tools for genome arithmetic and DNA sequence analysis. usage: bedtools <subcommand> [option...
GFF3文件按照染色体位置排序
xxxxx
08-28 3421
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦： Markdown和扩展Markdown简洁的语法 代码块高亮 图片链接和图片上传 LaTex数学公式 UML序列图和流程图 离线写博客 导入导出Markdown文件 丰富的快捷键 快捷键 加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl
[samtools]sort命令简介
热门推荐
睿智如水
11-15 5万+
samtools sort命令的功能描述：         对bam文件进行排序，不能对sam文件进行排序。以leftmost coordinates的方式对比对结果进行排序，或者使用-n参数以read名称进行排序。将会添加适当的@HD-SO排序顺序标头标签或者如果有必要的话，将会更新现存的一个排序顺序标头标签。sort命令的输出默认是标准输出写入，或者使用-o参数时，指定bam文件输出名。so
bed文件格式详解
高锦的博客
02-07 1万+
BED 文件格式是一个可变方式的数据线，用来描述注释的数据。BED线有3个要求的字段和9个额外的字段。每条线的字段数目必须是任意单条数据的在注释上一致。可选字段的序试结合低数字的字段必须流行如果高位字段被使用。 首先是三个要求的BED字段 1,chrom, 染色体或scafflold 的名字(eg chr3， chrY, chr2_random, scaffold0671
生信分析sam文件解读
07-12
SAM（Sequence Alignment/Map）文件是一种常用的生物信息学文件格式，用于存储测序数据的比对结果。SAM文件由一系列的比对记录组成，每条记录描述了一个测序序列的比对信息。 SAM文件中的每条记录由多个字段组成，包括序列名、比对标志、参考序列名、起始位置、比对质量等。下面是一条SAM记录的示例： ``` SRR001666.1 147 chr1 1000 60 50M = 2000 0 ATCGATCG... IIIIIII... ``` - 第一个字段是序列名，用于唯一标识每个测序序列。 - 第二个字段是比对标志，描述了该比对记录的一些属性，如是否为反向互补序列、是否有剪切等。 - 第三个字段是参考序列的名字，表示该测序序列比对到哪个参考序列上。 - 第四个字段是起始位置，表示该测序序列在参考序列上的起始位置。 - 第五个字段是比对质量，表示该比对的质量值。 - 第六个字段是CIGAR字符串，描述了比对的详细信息，如插入、删除等。 - 第七个字段是比对到的参考序列的名字，如果与第三个字段相同，则表示该测序序列与自身比对。 - 第八个字段是比对到的参考序列上的终止位置。 - 第九个字段是比对序列在参考序列上的偏移量。 - 第十个字段是比对的序列。 - 第十一个字段是比对序列的质量值。 通过解析SAM文件，我们可以获取比对的详细信息，如测序序列的起始位置、比对质量、CIGAR字符串等，以便进行后续的生物信息学分析。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值